arXiv · NLP· Yijun Li, Zhengxi Lu, Zhipiao Liu, Jinzheng Yu, Xutao Weng, Jian Shao, Yongliang Shen·· 11 天前AI 评分40
RuACT:恢复非活跃评分标准作为自适应批评者与教师
RuACT: Recovering Inactive Rubrics as Adaptive Critics and Teachers
AI 导读
研究提出RuACT框架,将非活跃评分标准转化为自适应教师或批评者,解决RL中评分标准失效问题。 在Qwen3-4B医疗训练中,非活跃观测占比60.88%;引入框架后,不可达评分标准的无引导恢复率从35.02%提升至42.86%。 代码已开源,该框架在医疗与科学基准测试中全面超越GRPO等基线方法。
来源:arXiv · NLP · arxiv.org